中债资信评级模型

《中债资信评级模型》由会员分享，可在线阅读，更多相关《中债资信评级模型（4页珍藏版）》请在金锄头文库上搜索。

1、中债资信评级模型评级模型是以企业财务信息、经营信息、行业信息、宏观经济信息和市场信息为基础, 运用统计分析、专家打分等手段，以最化方式测算受评对彖信用风险的评级分析工具。评级 模型是评级理念在操作层面的具体表现形式，是信用评级机构评级技术的重要组成部分。中 债资信评估有限贵任公司（以卜简称“中债资信”或“公司”）通过梳理国内外评级模型的 理论研究成果，并在征求公司专家顾问团信用风险建模领域专家意见的基础上，确定了公司 评级模型的设计目标、指导思想、建设规划，以及公司成立初期的评级模型类型。一、设计目标与指导思想（-）设计目标中债资信评级模型的设计冃标是：在学习、吸收国外成熟的评级模型设计理念的

2、基础匕, 开发适合中国企业信用风险特点的评级模型，减少评级过程中的主观判断因索，提高评级结 果的客观性、一致性和准确性。（二）指导思想评级模型（或信用风险评估模型）的质量要求主要包括：（1）评级结果的精确度校高;（2）变量较少，不包含太多的解释变量；（3）具备可行性,采用可获取的数据资源：（4） 透明性和解释性好，能高水平地反映数据Z间的关系和趋势，模型结果易读。依据评级模型的设计冃标和上述质最要求，中债资信评级模型建设的总体指导思想是:（1）依托公司多样化的评级数据来源和分析师的丰富工作经验，选择信用评级的核心财务 指标和非财务指标，揭示中国企业的信用风险；（2）借鉴国外成熟的信用风险评估模

3、型设计 思想，高起点、高标准设计公司的评级模型：（3）评级模型质最是公司评级技术积累、数据 库积累的体现，评级模型的优化是动态的过程，评级模型的建设采取分步骤实施、分阶段完 善的原则进行。二、建设规划评级模型的选择除考虑模型本身的理论因素外，还需要考虑数据町获取性、市场适用性、 模型成本等问题。考虑这些问题，并依据公司评级模型的设计目标与指导思想，结合公司外 部专家的建议，中债资信评级模型的建设规划分为公司成立初期、中长期两个阶段。（-）成立初期模型建设规划中债资信成立初期町使用的建模数据主要是发债企业数据和来自商业银行的信贷数据（以下简称“信贷数据”）。发债企业数据包拆经营数据和财务数据，但

4、没有违约率数据。信 贷数据包括借款企业的违约数据和人部分财务数据，但没白企业经营数据。基于公司町获得 数据源及其质量，本阶段的评级模型建设规划是：1、针对主要发债行业，建设包倉财务指标与非财务指标的分行业的多元线性回归模型。 该建模方法充分利用发债企业数据和信贷数据，并兼顾专家判断和统计方法之所长。2、针对主要发债行业，建设基于定量财务指标的分行业的二元选择模型。此模型仅使 用信贷数据的财务指标建立，作为上述参元线性回归模型的补充。（-）中长期模型建设规划公司将根据数据和建模经验的枳累不断对评级模型进行优化。从中长期看，公司将尝试 构建非线性分析模型或神经网络模型，开发发债主体信用等级迁移模型

5、。结构化模型等市场 隐含评级模型也将构成公司评级模型的补充。三、成立初期的评级模型类型（-）财务与非财务指标相结合的多元线性回归模型公司以发行债券企业作为统计样本，以发债企业数据和信贷数据为主要数据源，选择合 适的财务指标和非财务指标，分行业建立多元线性回归模型。模型形式如K：Y = 0/W + 必（才2）+ + PJW + 其中，Y是发债企业的违约概率；X是指标体系，包括财务指标和非财务指标；口.）是 单个指标到违约率的映射转换：3 1,., P n Si需要估计的参数，是随机误差项。公司多元线性回归模型实现过程包含数据准备、指标选择、单变最分析、模型参数估 计四个阶段。1、数据准备数据准备

6、包括模型数据库的建立、数据的录入、清洗和筛选，以及初步的计算工作。 考堪到发债企业违约率数据缺失，我们以信贷数据为基础研究违约率分布规律，以此为基础 确定发债企业的违约率数据。同时，以发债企业的经营数据和财务数据为基础，整理后得到 完整的样本数据。2、指标选择评级模型的指标按性质分为财务指标和非财务指标两大类,按指标内容分为企业财务指 标和经营指标。指标选择的工作是：依据不同行业企业的主体评级方法，分行业确定用于模 型拟合的指标池。每个建模行业的财务指标池和菲财务指标池均依据行业专家经验确立。3、单变童分析本阶段工作是找出单个指标与违约率Z间的映射关系。非财务指标的映射关系取得：需 要行业专家

7、估计样本实际值和信用等级的对应关系，制定各个指标的具体评价标准即映射关 系。财务指标的映射关系是通过非参数统计方法对信贷数据进行分析获得。4、模型拟合和参数估计木评级模型变杲的确定采用向前选择过程（Forward Selection Process）的统计学方法, 即：将初步选定的指标逐个放入模型进行回归，如果新加入的指标有显著性，I何且其参数的 符号为正，则加入到选定的指标集中。通过向前选择过程，町以排除相关性高的指标，以减 少预测的误差。通过此建模过程，确立分行业评级模型的最终指标；模型的参数估计采用最 小二乘法，计算得出各个参数数值（即：模型指标权重）。（-）基于定量财务指标的二元选择模

8、型公司基于财务指标的二元选择模型完全基于信贷数据，排除人为判断因素，是多尤线性 回归模型的补充。模型形式釆用二元选择模型中的Logit模型，以企业是否违约作为响应变帛：Logit尸（卩=1 |兀.，血）=a +朋（/）+ 02总雄）+其中Logit（P） = lnp/（l 一 p）, X是指标体系，口.）是指标到违约率的映射转换，Y代 表是否违约（1为违约），a、B是需要估计的系数。本模型的“数据准备”方而，建模的信贷数据与模型应用的对彖（发债主体）在违约定 义和公司规模上有所不同，所以我们采用的数据样本是经过分析、清理后的信贷数据。模型 的“指标选择”、“单变量分析”等后续步骤的工作与多元线

9、性回归模型中对财务指标进行的 工作类似，此处不再赘述。该模型的参数估计采用极大似然估计。（三）相关说明公司多元线性回归模型主要有三个优点：（1）模型形式与信用评级业通常采用的打分卡 近似，方法直观，便于分析师理解和模型改进：（2）利用海最的信贷数据对财务指标进行研 究，模型准确度高、说服力强：（3）非财务指标的使用充分借鉴分析师的工作经验，使得模 型更加符合中国企业的信用风险特点。该建模方案的不足之处有两点：（1）分行业对市场上 的发债企业进行建模，样木量冇限:（2）信贷数据的企业主体和发债企业主体并不完全相同， 用信贷数据对财务指标进行研究存在模型适用性问题。公司二元选择模型方案的优点是：直接对信贷数据的企业主体违约情况进行分析，数据 充分、分析主体统一，模型建设的理论基础牢固。缺点是：仅使用财务数据具有时滞性问题， 而且模型结果对发债企业存在适用性问题。总体來看，中债资信成立初期的评级模型是在国内发债企业违约率数据缺失、国外发债 企业数据适用性不足的情况卜的阶段牲选择。公司将致力于与评级模型建设有关的技术研究 和建模数据的右效枳累，力爭在条件成熟的情况卜，建立更为合理、准确的评级模型。#